De zeven Fabric-workloads (deel 2)

Introductie tot Microsoft Fabric

Alex Kuntz

Technical Instructional Designer

De zeven Fabric‑ervaringen

• Data Factory, Data Engineering en Data Warehouse focussen op data‑ingestie
• De rest richt zich meer op analyse en rapportage

Data Science

• Schrijf Spark‑code voor data‑exploratie en ‑manipulatie
• Ondersteunt talen zoals Python (PySpark), Scala, SparkSQL en SparkR

Data Science

• Voor het bouwen van ML‑modellen en het beoordelen van hun kwaliteit

• Bereidt modelinzichten voor een tool zoals Power BI

Data Science

Power BI

• Uitgebracht in 2011, nu geïntegreerd in Fabric
• Maakt dashboards en visualisaties voor businessimpact
• Gebruikt door BI‑developers
• Haalt data uit OneLake Lakehouses en Warehouses

Real‑Time Intelligence

• Opslagoptie voor realtime eventstreams
• Gebruikt OneLake en het Delta‑Parquet‑formaat, net als Lakehouses en Warehouses

Real‑Time Intelligence

• Opslagoptie voor realtime eventstreams
• Gebruikt OneLake en het Delta‑Parquet‑formaat, net als Lakehouses en Warehouses

• Neemt data realtime op en routeert naar een Eventhouse
• Lijkt op DataFlow, maar dan voor een datastream

Real‑Time Intelligence

• Definieer acties om te reageren op patronen of condities in data
• Bijvoorbeeld:
  • IoT‑tool monitort items in een fysiek magazijn
  • Aantal items overschrijdt een drempel; het magazijn is te vol
  • Activator triggert een e‑mail naar de manager

Industrie‑oplossingen

• Tools voor specifieke use‑cases, zoals retail of governance‑data.

Laten we oefenen!

Introductie tot Microsoft Fabric